Ці керівники вважають, що голосовий ШІ ще не досяг свого моменту ChatGPT

Голосовий штучний інтелект розглядається як один з наступних ключових інтерфейсів взаємодії, залучаючи значні інвестиції у стартапи, що працюють над розробкою моделей, корпоративними рішеннями для обслуговування клієнтів, автоматичним протоколюванням зустрічей та голосовою диктовкою. Регулярно з'являються нові моделі та інструменти, які заявляють про людське звучання та природну розмову.

Однак експерти індустрії зазначають, що поточні досягнення, хоч і значні, ще не еквівалентні революційному впливу ChatGPT на текстовий AI. Незважаючи на розробку повнодуплексних моделей, які можуть слухати і говорити одночасно, ключовим викликом залишається швидкість обробки інформації для забезпечення природності розмови та оперативного отримання відповідей. Мета полягає в тому, щоб зробити взаємодію з AI агентами в клієнтському сервісі настільки ефективною, щоб користувачі довіряли AI вирішувати свої проблеми без необхідності спілкування з людиною.

Ключовими етапами для подальшої автоматизації визначено ідентифікацію спікера, точне розпізнавання намірів користувача та інтеграцію з організаційними базами знань. Наразі існує проблема з точністю автоматичного розпізнавання мовлення (ASR), що може призвести до неправильного тлумачення контексту розмови та зниження довіри до платформи. Вдосконалення ASR-моделей є критично важливим, оскільки від цього залежить ефективність усіх подальших автоматизованих дій.

Розвиток технології також передбачає створення «цифрових двійників», які можуть представляти людей на зустрічах. Для таких рішень надзвичайно важливо, щоб голосовий вивід передавав емоційні вирази, аналогічні спілкуванню з живою людиною. Це необхідно для забезпечення дебатів та стратегічних дискусій, де формуються відносини між учасниками. Без цього AI-аватари залишаються простими чат-ботами, що відповідають на запитання.

Поряд з технологічними викликами, виникає питання прозорості. Розробники підкреслюють важливість інформування користувачів про те, що їхній дзвінок записується або що вони спілкуються з штучним інтелектом. Це стосується не лише корпоративних дзвінків, але й онлайн-зустрічей, де використання AI-інструментів для протоколювання чи аналізу має бути чітко позначене для всіх учасників.